Mean–variance portfolio and contribution selection in stochastic pension funding

In this paper we study the problem of simultaneous minimization of risks, and maximization of the terminal value of expected funds assets in a stochastic defined benefit aggregated pension plan. The risks considered are the solvency risk, measured as the variance of the terminal fund’s level, and the contribution risk, in the form of a running cost associated to deviations from the evolution of the stochastic normal cost. The problem is formulated as a bi-objective stochastic problem of mean–variance and it is solved with dynamic programming techniques. We find the efficient frontier and we show that the optimal portfolio depends linearly on the supplementary cost of the fund, plus an additional term due to the random evolution of benefits.     

Identification and control of nonlinear systems by a dissimilation particle swarm optimization-based Elman neural network

In this paper, we first present a learning algorithm for dynamic recurrent Elman neural networks based on a dissimilation particle swarm optimization. The proposed algorithm computes concurrently both the evolution of network structure, weights, initial inputs of the context units, and self-feedback coefficient of the modified Elman network. Thereafter, we introduce and discuss a novel control method based on the proposed algorithm. More specifically, a dynamic identifier is constructed to perform speed identification and a controller is designed to perform speed control for Ultrasonic Motors (USM). Numerical experiments show that the novel identifier and controller based on the proposed algorithm can both achieve higher convergence precision and speed than other state-of-the-art algorithms. In particular, our experiments show that the identifier can approximate the USM's nonlinear input–output mapping accurately. The effectiveness of the controller is verified using different kinds of speeds of constant, step, and sinusoidal types. Besides, a preliminary examination on a randomly perturbation also shows the robust characteristics of the two proposed models.     

Willis环状脑动脉瘤系统的自适应模糊控制

针对不确定非线性生物系统—W illis环状脑动脉瘤系统,利用高斯型模糊逻辑系统的逼近能力及新构造的Lyapunov函数,基于模糊建模提出了一种自适应模糊控制器设计的新方案.该方案把逼近误差引入到控制器设计条件中用以改善系统的动态性能.不但设计简单还保证了控制方法的鲁棒性与稳定性.通过反向传播算法调整模糊基函数参数及递归最小二乘法调整参数向量,θ更新控制律,实现了理想跟踪.从理论上研究了脑动脉瘤内血流速度的非线性行为及控制,具有实际意义.仿真结果表明该控制方法的有效性.     

线性同胚于星象函数的一族解析函数

本文定义了线性同胚于星象函数的－族解析函数Ａ（，α）．我们导出Ａ（α）中函数的积分表达式：借助算子理论研究Ａ（，α）族的包含关系并确定它的闭凸包、闭凸包的极值点和它的支撑点；利用一个阶微分从属证明关于实部的二个不等式．最后，我们还证明Ａ（，α）中函数的偏差定理．     

参数优化的最优性及在控制问题中的一个应用

在Banach空间中,给出了含参数的单值映射的不变类凸,拟不变类凸和伪不变类凸的概念.在这类较弱凸性条件下,提出了参数优化问题弱有效解的几个最优性充分条件.作为应用,研究了一类状态约束最优控制问题的弱最优控制.     

数字化合成全息图自动记录系统研究

从合成全息术的编码原理出发,采用了液晶空间光调制器、步进电机控制的可移动狭缝和一维移动平台等设备以及计算机数字多媒体技术、软件编程技术设计出一套数字化合成全息自动记录系统。该系统能够改善传统全息图手工制作效率低、操作不准确产生误差等缺陷,提高了合成具有视差、动感、颜色以及不同景深等特殊效果全息图的自动化水平。实际应用该系统合成了含有40幅照片信息的全息图。     

光学移相干涉仪抗振系统的鲁棒控制系统仿真分析

将被动抗振和主动抗振相结合的混合控制技术应用于解决光学移相干涉仪抗振系统的不确定性问题,其中主动抗振采用鲁棒控制策略.该方法克服了由模型和干扰所引起的不确定性,使得控制系统能够有效地抑制抗振模型的不确定性和外部振动的干扰.仿真结果表明,该方法使光学移相干涉仪在振动的干扰下具有较好的鲁棒稳定性和控制准确度.     

基于自适应模糊PID算法的窑筒体红外测温与制冷的精确控制

工业温度控制系统的非线性、时变性和滞后性等特性常严重影响温度控制的快速性和准确性,这会给实际生产等带来巨大的危险隐患。本文将探讨对基于红外测温的窑筒体如何实现精确测温以及如何利用自适应模糊PID算法进行相应控制的情况,并通过Matlab仿真展示部分成果。结果表明,该类算法在窑筒体红外测温制冷中对于提高系统性能起到关键性作用.     

光学动态伪装技术研究

本文针对精确制导武器对我军事目标的重大威胁以及传统伪装器材的不足等问题,提出了通过动态改变目标表面的反射特性和发射特性来改变目标光学图像特征和躲避精确制导武器探测和跟踪的技术思路。阐述了光学动态伪装的设想,介绍了红外、可见光的动态伪装技术,并得出了光学动态伪装将成为隐身伪装的重要方面的结论。     

5G技术军事运用及作战影响分析

第五代(5G)移动通信技术是最新一代蜂窝移动通信技术,具有超高速率、超大容量和超低延时等显著优势.为适应现代信息化作战形态,提高5G技术在军事中的运用效能,针对5G技术所具有的优势和特征,深入分析了信息化作战中5G技术在信息共享、态势感知、指挥控制等典型作战方式中的影响,对于增强部队信息化作战能力具有较强的现实意义.